已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
evergarden完成签到 ,获得积分10
2秒前
上官若男应助畅快的远侵采纳,获得10
3秒前
听曲散步完成签到,获得积分10
5秒前
6秒前
灰鸽舞完成签到 ,获得积分10
7秒前
李健应助ldx采纳,获得10
8秒前
9秒前
阿时发布了新的文献求助10
10秒前
15秒前
ldx完成签到,获得积分10
18秒前
zzz完成签到 ,获得积分10
22秒前
ldx发布了新的文献求助10
22秒前
畅快的远侵完成签到,获得积分20
22秒前
恰恰完成签到,获得积分20
25秒前
可爱的大白菜真实的钥匙完成签到 ,获得积分10
26秒前
鹿小新完成签到 ,获得积分10
27秒前
传奇3应助恰恰采纳,获得10
31秒前
小彤完成签到 ,获得积分10
32秒前
yema完成签到 ,获得积分10
34秒前
找文献完成签到 ,获得积分10
36秒前
点一个随机昵称完成签到 ,获得积分10
48秒前
49秒前
50秒前
55秒前
1分钟前
1分钟前
Becky完成签到 ,获得积分10
1分钟前
1分钟前
pass完成签到 ,获得积分10
1分钟前
星辰大海应助cwt采纳,获得10
1分钟前
爱静静应助科研通管家采纳,获得10
1分钟前
完美世界应助科研通管家采纳,获得10
1分钟前
1分钟前
完美世界应助嘟嘟嘟嘟采纳,获得10
1分钟前
酷波er应助懒懒采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
哈哈发布了新的文献求助10
1分钟前
汉堡包应助Leo采纳,获得10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186652
求助须知:如何正确求助?哪些是违规求助? 2836872
关于积分的说明 8011776
捐赠科研通 2499260
什么是DOI,文献DOI怎么找? 1334185
科研通“疑难数据库(出版商)”最低求助积分说明 637096
邀请新用户注册赠送积分活动 605032